本发明涉及电动汽车充电站规划领域，尤其是一种电动汽车快充站充电机台数优化配置方法。
背景技术：
：随着经济的快速发展，资源匮乏和环境污染的问题越来越严重，而汽车作为人们的代步工具，逐渐深入到各家各户，汽车总量也在高速地攀升，这使得资源和环境问题更加恶化。而电动汽车由于其节能环保的特性受到了诸多国家和企业的关注。目前，电动汽车相关技术的研发正在如火如荼地进行，产业化和商业化的模式也已基本成型，并且也有一部分数量可观的产品已经正式投入运行。随着各国政府在资金和政策上的扶持，在可预计的将来，电动汽车的应用将越来越广泛化。目前，电动汽车多处于示范应用阶段，公务车和公交车占比较大，私家车占比较小，对于电动汽车快充站的规划与布局还处于研究和探索阶段。公务车和公交车的行车路线与充电时间较为固定，充电需求较为稳定，所以面向公务车和公交车的充电站多为慢充站，容量配置多根据公务车和公交车的数量来配置。而由于私家车充电的随机性较大，面向私家车充电需求的快充站容量配置比较难确定。若按满足车流高峰期间的充电需求配置充电机台数，则容易造成充电机大部分时间处于闲置状态，利用率不高；若按非高峰时段的车流需求配置充电机台数，则容易造成高峰时段的拥堵，服务水平不高。所以，如何既满足私家车用户的基本充电需求又实现充电机的高效利用是目前快充站容量配置的关键。技术实现要素：本发明的目的是提供一种电动汽车快充站充电机台数优化配置方法，保证了对用户的服务水平，又实现了资源的优化配置，避免了不必要的浪费。为实现上述目的，本发明采用下述技术方案：一种电动汽车快充站充电机台数优化配置方法，包括以下步骤：(1)调研快充站选址处的车流情况，分析车流与时间的分布关系；(2)根据车流信息抽象充电车辆的分布规律，测算快充站的充电需求；(3)根据快充站的建设费用、运行维护费用、网损费用和运行年限测算单位时间的机构服务成本；(4)将本城市的用户出行时间成本作为用户的等待成本，出行时间成本即为用户平均队长；(5)利用随机服务系统模型，以平均一天总费用的期望值最小为目标，平均一天总费用包括机构服务成本与用户等待成本之和，以机构服务成本、用户等待成本、充电车辆的充电需求为输入，测算快充站充电机的最优台数配置。所述调研快充站选址处的车流情况，分析车流与时间的分布关系具体为调研快充站选址处的车流情况，将一天24小时均分为m个时间段，记为t1，t2，…ti，…tm，则各时间段对应的车流量可记为Q1，Q2，…Qi，…Qm，则全天的车流量Q可表示为：时间约束为：设为各个时间段的平均车流量，则可以将一天的时间按车流量的大小划分为三个时段：高峰时段、一般时段和低谷时段，高峰时段的车流总量记为QGF，高峰时段的时间长度记为tGF；一般时段的车流总量记为QYB，一般时段的时间长度记为tYB；低谷时段的车流总量记为QDG，低谷时段的时间长度记为tDG；其车流总量与时间长度可表示为：QGF=ΣQi,tGF=Σti,(Qi>23Q‾)QYB=ΣQi,tYB=Σti,(13Q‾≤Qi≤23Q‾)QDG=ΣQi,tDG=Σti,(Qi<13Q‾).]]>所述根据车流信息抽象充电车辆的分布规律，测算快充站的充电需求包括以下步骤：a、求得高峰时段、一般时段和低谷时段三个时间段单位时间平均到达快充站进行充电服务的用户数λ，分别为：λGF=QGF·α·βtGFλYB=QYB·α·βtYBλDG=QDG·α·βtDG]]>式中，α为车流中电动汽车数量在汽车总量中的占比，β为电动汽车的充电率，即所有电动汽车中需要进行快速充电的比例；b、建立快充站的标准多服务台随即服务系统模型：用户到达随机服务系统的时间间隔为服从参数为λ的泊松分布，λ为单位时间内用户平均到达服务系统的数量，若单个服务台单位时间内服务μ个用户，则各服务台的服务时间为服从于参数为μ的负指数分布，同时各服务台的工作是相互独立的，即同时各服务台之间不搞协作，则在n≥c时，整个服务机构的平均服务率为cμ，在n<c时，整个服务机构的平均服务率为nμ，服务机构的平均利用率以Pn(t)表示在t时刻服务系统中有n个用户的概率，记Pn(t)为Pn，则快充站的标准多服务台随机服务系统的系统稳态平衡方程为：μP1=λP0(n+1)μPn+1+λPn-1=(λ+nμ)Pn,(1≤n≤c)cμPn+1+λPn-1=(λ+nμ)Pn,(n>c)]]>其中，且由递推关系得到系统状态概率为：P0=[Σk=0c-11k!(λμ)k+1c!·11-ρ·(λμ)c]-1Pn=1n!(λμ)n·P0,(n≤c)1c!·cn-c(λμ)n·P0,(n>c).]]>计算用户平均队长步骤为：a、计算在队列中未接受服务的用户数量即平均排队长度Lq，Lq=Σn=c+1∞(n-c)PH=Σk=1∞kPk+c=Σk=1∞kc!·ck(cρ)k+cP0=(cρ)c·ρc!(1-ρ)2·P0,]]>式中，cρ=λμ,k=n-c;]]>b、计算系统中队列的长度即平均队长Ls，Ls=Lq+λμ=(cρ)c·ρc!(1-ρ)2·P0+λμ]]>则高峰时段、一般时段和低谷时段三个时间段快充站内服务系统中队列长度分别为：Ls(λGF,c)=(cρGF)c·ρGFc!(1-ρGF)2·P0+λGFμ,(ρGF=λGFcμ)Ls(λYB,c)=(cρYB)c·ρYBc!(1-ρYB)2·P0+λYBμ,(ρYB=λYBcμ)Ls(λDG,c)=(cρDG)c·ρDGc!(1-ρDG)2·P0+λDGμ,(ρDG=λDGcμ).]]>平均一天的总费用Z为机构服务成本与用户等待成本之和，平均一天的总费用Z的期望值为：Z＝24·cs·c+cw·Ls(λGF，c)·tGF+cw·Ls(λYB，c)·tYB+cw·Ls(λDC，C)·tDG＝24·cs·c+cw·[Ls(λGF，c)·tGF+Ls(λYB，c)·tYB+Ls(λDG，c)·tDG]其中，cs为平均每个充电机每小时的服务成本，cw为每个用户在快充站内每小时的等待费用，Ls是c的函数，记c*为充电机的最优配置台数，则Z(c*)即为最小费用，采用边际分析法求解，则有：Z(c*)≤Z(c*-1)Z(c*)≤Z(c*+1)]]>即可求得快充站的最优充电机配置台数c*。本发明的有益效果是，本发明将用户的等待成本纳入快充站容量配置的考虑范畴，利用用户等待成本的变化来反映快充站的服务水平，比单纯考虑运营成本更具客观性。利用随机服务系统理论在服务系统优化设计方面的优势，构建电动汽车快充站充电机的最优台数设计模型，对于快充站来说，若充电机配置较多，则快充站的服务成本会增加，服务水平会有所提高，用户在快充站中由于等待所花费的成本会降低；相反，若充电机配置较少，快充站的服务成本会减少，服务水平会降低，而用户在快充站中由于等待所花费的成本会增加。设计时充分考虑了用户在快充站的等待成本和快充站的运营成本，从而使得快充站的容量配置既满足了用户的充电需求，利用随机服务系统理论将用户在快充站的等待成本和快充站的运营成本这对矛盾体有机地结合起来综合考虑，使得快充站在保证服务水平和设备高效利用两方面达到了最优平衡，实现了效益最大化。保证了对用户的服务水平，又实现了资源的优化配置，避免了不必要的浪费。附图说明图1是快充站服务系统的一般结构模型；图2是快充站充电机台数优化配置工作流程；图3是M/M/c模型的系统状态转移关系图；图4是系统费用模型示意图。具体实施方式如图1所示，快充站的服务过程一般是：被服务的电动汽车用户从用户总体进入快充站服务系统(即输入过程)，到达服务机构前排队等待被服务，接受服务完成后立即离开(即输出过程)。如图2所示，一种电动汽车快充站充电机台数优化配置方法，包括以下步骤：(1)调研快充站选址处的车流情况，分析车流与时间的分布关系；(2)根据车流信息抽象充电车辆的分布规律，测算快充站的充电需求；(3)根据快充站的建设费用、运行维护费用、网损费用和运行年限测算单位时间的机构服务成本；(4)将本城市的用户出行时间成本作为用户的等待成本，出行时间成本即为用户平均队长；(5)利用随机服务系统模型，以平均一天总费用(机构服务成本与用户等待成本之和)的期望值最小为目标，以机构服务成本、用户等待成本、充电车辆的充电需求为输入，测算快充站充电机的最优台数配置。所述调研快充站选址处的车流情况，分析车流与时间的分布关系具体为调研快充站选址处的车流情况，将一天24小时均分为m个时间段，记为t1，t2，…ti，…tm，则各时间段对应的车流量可记为Q1，Q2，…Qi，…Qm，则全天的车流量Q可表示为：时间约束为：Σi=1mti=24,]]>设为各个时间段的平均车流量，则可以将一天的时间按车流量的大小划分为三个时段：高峰时段(车流总量记为：QGF，时间长度记为：tGF)，其车流总量与时间长度可表示为：QGF=ΣQi,tGF=Σti,(Qi>23Q‾)QYB=ΣQi,tYB=Σti,(13Q‾≤Qi≤23Q‾)QDG=ΣQi,tDG=Σti,(Qi<13Q‾).]]>所述根据车流信息抽象充电车辆的分布规律，测算快充站的充电需求包括以下步骤：a、求得高峰时段、一般时段和低谷时段三个时间段单位时间平均到达快充站进行充电服务的用户数λ，分别为：λGF=QGF·α·βtGFλYB=QYB·α·βtYBλDG=QDG·α·βtDG]]>式中，α为车流中电动汽车数量在汽车总量中的占比，β为电动汽车的充电率，即所有电动汽车中需要进行快速充电的比例；b、建立快充站的标准多服务台随即服务系统模型；在随机服务系统模型中最主要的三个因素是：1)用户相继到达系统的时间间隔的分布规律；2)用户在系统中被服务的时间分布规律；3)随机服务系统中服务台的数量。按照以上三个因素分类，则随机服务系统模型的一般形式为：X/Y/Z/A/B/C其中，X表示用户相继到达随机服务系统的时间间隔的分布规律；Y表示用户在随机服务系统中被服务的时间分布规律；Z表示随机服务系统中服务台的数量；A表示系统的容量；B表示用户源的数量；C表示服务规则(一般默认为先到先服务)。表示相继到达的时间间隔分布X和服务时间分布Y有以下几种情况：1)M(Markou)表示负指数分布；2)D(Deterministic)表示确定型分布；3)Ek(Erlang)表示k阶埃尔朗分布；4)GI(GeneralIndependent)表示一般相互独立的时间间隔分布；5)G(General)表示一般服务时间分布。如图3所示，多服务台的随机服务系统模型就是服务机构中包含多个相互独立的服务台。由于用户到达服务系统满足泊松流的三个条件，即无后效性、平稳性和普通性，用户到达随机服务系统的时间间隔为服从参数为λ的泊松分布，λ为单位时间内用户平均到达服务系统的数量，若单个服务台单位时间内服务μ个用户，则各服务台的服务时间为服从于参数为μ的负指数分布，同时各服务台的工作是相互独立的(不搞协作)，则整个服务机构的平均服务率为cμ(当n≥c)或nμ(当n<c)，服务机构的平均利用率以Pn(t)表示在t时刻服务系统中有n个用户的概率，记Pn(t)为Pn，则快充站的标准多服务台随机服务系统的系统稳态平衡方程为：μP1=λP0(n+1)μPn+1+λPn-1=(λ+nμ)Pn,(1≤n≤c)cμPn+1+λPn-1=(λ+nμ)Pn,(n>c)]]>其中，且由递推关系得到系统状态概率为：P0=[Σk=0c-11k!(λμ)k+1c!·11-ρ·(λμ)c]-1Pn=1n!(λμ)n·P0,(n≤c)1c!·cn-c(λμ)n·P0,(n>c).]]>计算用户平均队长步骤为：a、计算平均排队长度Lq(即在队列中未接受服务的用户数量)Lq=Σn=c+1∞(n-c)Pn=Σk=1∞kPk+c=Σk=1∞kc!·ck(cρ)k+cP0=(cρ)c·ρc!(1-ρ)2·P0,]]>式中，cρ=λμ,k=n-c;]]>b、计算平均队长Ls(即系统中队列的长度)Ls=Lq+λμ=(cρ)c·ρc!(1-ρ)2·P0+λμ]]>则高峰时段、一般时段和低谷时段三个时间段快充站内服务系统中队列长度分别为：Ls(λGF,c)=(cρGF)c·ρGFc!(1-ρGF)2·P0+λGFμ,(ρGF=λGFcμ)Ls(λYB,c)=(cρYB)c·ρYBc!(1-ρYB)2·P0+λYBμ,(ρYB=λYBcμ)Ls(λDG,c)=(cρDG)c·ρDGc!(1-ρDG)2·P0+λDGμ,(ρDG=λDGcμ).]]>如图4所示，对于快充站来说，若充电机配置较多，则快充站的服务成本会增加，服务水平会有所提高，用户在快充站中由于等待所花费的成本会降低；相反，若充电机配置较少，快充站的服务成本会减少，服务水平会降低，而用户在快充站中由于等待所花费的成本会增加。这两种费用相对于快充站的充电机台数是一对矛盾体，但是两者之和则在快充站的充电机台数达到某一值时会出现一个最小值。所以，本提案兼顾了快充站与用户双方的利益，以快充站的服务成本和用户的等待成本之和最小为目标来优化配置快充站的充电机台数。计算充电机服务成本步骤为：若建设k个快速充电站，其中，每个快速充电站配置zi台充电机，根据工程实际，建设费用和网损费用之和为CT，则：CT=γ·Σi=1k(Cw·zi+CY·zi+CF)]]>其中γ为资金回收系数，ε为年利率，T为快充站的服务年限，Cw为快充站涉及可变成本中与快充站地理位置有关的部分分量，CY为快充站涉及可变成本中与快充站地理位置无关的部分分量，CF为快充站建设的固定成本，zi为每个快充站配备的快充机的数量。设平均每个充电机每小时的服务成本是cs，则cs=CT8760·Σi=1kzi]]>若每个用户在快充站内每小时的等待费用为cw，则平均一天的总费用Z(机构服务成本与用户等待成本之和)的期望值为：Z＝24·cs·c+cw·Ls(λGF，c)·tGF+cw·Ls(λYB，c)·tYB+cw·Ls(λDC，C)·tDG＝24·cs·c+cw·[Ls(λGF，c)·tGF+Ls(λYB，c)·tYB+Ls(λDG，c)·tDG]其中，Ls是c的函数，记c*为充电机的最优配置台数，则Z(c*)即为最小费用，采用边际分析法求解，则有：Z(c*)≤Z(c*-1)Z(c*)≤Z(c*+1)]]>即可求得快充站的最优充电机配置台数c*。上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。当前第1页1 2 3